公开(公告)号：CN115310594A

公开(公告)日：2022-11-08

申请号：CN202210953351.9

申请日：2022-08-10

Applicant: 东北大学

Inventor： 陈东明 ,  谢飞 ,  张陛圣 ,  聂铭硕 ,  王冬琦

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62

Abstract: 本发明公开了一种提高网络嵌入算法可扩展性的方法，涉及网络表示学习领域；适用于大规模图网络表示学习，通过图融合、图粗化、图嵌入和嵌入细化操作，提高网络嵌入的可扩展性，并提高嵌入质量，嵌入结果可用于网络角色发现、社会推荐系统和社会影响力预测等图下游任务。通过计算原始图的标签矩阵和原始图与最粗图的映射矩阵来获得最粗图中超节点的标签，并作为以GCN为代表的有监督图嵌入算法的训练标签参与模型训练，解决了现有多层策略无法处理有监督图嵌入算法的问题。采用本方法有效的提高图嵌入算法处理大规模网络的能力，同时在大规模图数据集Friendster上进行实验验证了本方法的可扩展性。

公开(公告)号：CN115860064A

公开(公告)日：2023-03-28

申请号：CN202211546917.2

申请日：2022-12-05

Applicant: 东北大学

Inventor： 陈东明 ,  刘忠武 ,  张陛圣 ,  赵嘉欣 ,  聂铭硕 ,  王冬琦

IPC: G06N3/0464 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/044 ,  G06N3/082 ,  G06F18/2415 ,  G06N3/047

Abstract: 本发明提供一种基于演化图卷积的动态网络嵌入方法，涉及网络表示学习技术领域。本发明GCN学习层和演化层两个部分：首先是一个两层的GCN模型，用于学习节点的特征，随着时间的演化，节点可能会发生一些变化，原有的GCN模型参数不再适用演化后的网络。然后使用RNN和多头注意力机制对GCN模型的参数进行更新，获取最新的权重矩阵，用于下一个时间序列的训练。在这个过程中，随着时间推移，历史信息也被学习到了权重之中。最后将学习到的表示用于下游任务的应用中。